一、AIMD拥塞控制算法分析（论文文献综述）
张家森[1]（2021）在《支持远程驾驶的视频控制决策算法研究》文中研究说明随着汽车制造业的不断发展,国内私家车拥有量快速增长,因此而导致的交通拥堵和出行安全问题日益严重,对智能交通系统的建立有着迫切的需求。近些年来,随着车联网技术不断发展,在汽车行业内引起了广泛关注,远程驾驶技术作为其中重要组成部分,它可以实时追踪车辆的行驶状态,并在情况紧急时,在远端控制中心及时对车辆进行接管,实现远程驾驶,防止危险出现,提高车辆安全行驶。由于汽车在道路上进行远程驾驶时,车辆终端通过网络实时回传的视频信息是远端控制中心进行远程驾驶的重要依据,车辆终端通常在众多不同制式的无线网络覆盖范围内行驶,这就要求汽车终端需要通过有效的网络间的切换和自适应调整视频传输的速率来保持视频图像的稳定回传。本文主要对车辆在车联网环境下进行远程驾驶时的无线网络切换问题和视频实时传输自适应调整码率问题进行研究,并提出相应的解决方案。针对车辆终端在车联网场景下进行网络切换时存在响应不及时和切换次数过多导致乒乓效应的问题,提出一种改进算法。本算法首先对待接入网络进行筛选处理,选取符合条件的网络,然后通过模糊层次分析法确定网络属性的权重,TOPSIS算法进行优先级排序,最后根据排序结果进行切换。仿真结果表明,本文算法具有较好的切换性能,且能够降低切换的频率,减少乒乓效应,提升车端网络系统的切换性能和稳定性。针对车端视频实时传输过程中,由于网络环境的变换,不能自适应的调整视频传输速率,出现延迟、拥塞的问题,改进了一种基于探测法的自适应码率调整方法。该算法将视频接收端反馈的网络评估参数作为对实时网络环境进行预测的依据,在原有的网络状态评估参数丢包率的基础上引入时延抖动作为新的评估参数,然后根据本文所改进的视频传输速率调整机制对网络状态的变化做出及时反应,使视频数据传输速率与网络信道实时匹配,测试结果表明,改进后的算法能够准确地调整视频传输速率,更好的满足车端视频数据传输要求。
秦久人[2]（2021）在《移动流媒体多路传输关键技术研究》文中提出近年来,随着以5G为代表的移动互联通信技术的快速发展,以及智能手机、便携式电脑、可穿戴设备等硬件的快速普及,移动流媒体业务得到了长足发展。以网络课堂/会议、视频通话、即时游戏等为代表的移动流媒体应用,一方面极大的方便了人们的工作、生活,丰富了人们的娱乐方式,另一方面也带来了海量的即时数据传输需求。在移动网络环境下,由于用户移动性、无线信道干扰等因素的影响,传输层面临传输路径稳定性差,丢包率高等问题。传统以TCP为代表的单路径传输协议,难以适应复杂、多变的移动网络环境,传输速率受限于单一网络性能,且传输连接稳定性差,难以满足移动流媒体业务的传输需求。为了解决上述问题,以多路传输控制协议（Multipath Transmission Control Protocol,MPTCP）为代表的多路传输协议得到了国内外专家学者的广泛关注。MPTCP能够利用通信终端的多个网络接口（Wi-Fi,4G/5G等）在一个传输连接中建立多条子流。相较于单路径,多条子流并行传输能够有效的利用不同网络中的空闲带宽提高系统吞吐量,降低传输时延。尽管拥有上述优势,在面向移动流媒体业务时,MPTCP仍存在如下问题:（1）调度策略低效。MPTCP采用基于最短往返时延的数据分发策略,并在数据包传输失败后进行无差别的重传,在异构环境下,容易导致数据包乱序,增加传输延迟;（2）拥塞控制僵化。MPTCP采用固定的窗口调整策略,无法针对多样的输入流进行调整,导致传输效率低下;（3）网络感知匮乏。MPTCP难以感知网络环境对传输的影响,导致传输决策盲目、低效;（4）能耗管理缺失。由于移动终端的能量受限,而MPTCP缺乏能量管理机制,导致移动终端使用寿命下降,影响用户使用体验。因此,本文重点从动态数据调度、智能拥塞控制、网络环境感知、能量效率平衡等方面进行突破,并取得了如下成果:（1）针对调度策略低效问题,提出了部分可靠的多路虚拟队列调度机制。首先构建了虚拟队列模型,打破传统发送窗口约束,最大程度上保证数据包的按序到达。而后设计了面向消息的部分可靠重传算法,避免了无效重传。仿真实验结果显示,在不同网络参数下,所提方案能有效地减少数据包乱序概率,降低数据包交付时延。（2）针对拥塞控制僵化问题,设计了输入特征分析的多路智能拥塞控制机制。首先,在频域上对数据流的特征进行提取。在此基础上,利用增强学习理论对多路拥塞控制进行建模,根据网络环境及输入流动态调整控制策略。仿真实验结果表明,所提方案能够以较小的时延代价获得较高的吞吐量提升,性能优于同期解决方案。（3）针对网络感知匮乏的问题,提出了子流耦合感知的多路自适应传输方案。首先,通过提取子流耦合特征与拥塞特征,从空间与时间上对网络环境对传输的影响进行量化。而后,基于深度Q网络方法,对多路传输策略进行训练。仿真结果显示,在多种传输场景下,所提方案都能获得优于对比方案的系统吞吐量与时延。（4）针对能耗管理缺失问题,设计了能效均衡的多路传输优化算法。首先,通过设计传输效用模型,对影响传输性能的带宽、时延、能耗等问题进行综合分析。而后,通过Q-Learning方法,在兼顾传输效率的基础上对传输能耗进行优化。仿真实验结果表明,所提算法能够在保证传输吞吐量与时延性能相似的前提下,实现传输能耗的降低。本文面向移动网络环境下的流媒体多路传输,对调度、拥塞、网络、能耗等问题进行了分析。并利用统计分析、数学建模、人工智能、实验测试等方法对相关问题进行了解决。本文的研究成果能够为我国未来移动流体业务的发展提供一定的技术支撑。
王晨[3]（2021）在《面向拥塞控制的用户态自定义传输协议的研究和实现》文中指出基础设施和网络技术的发展促使了各类分布式应用的爆发增长,复杂变化的应用场景使得传输协议的研究再一次成为网络领域的热点。其中拥塞控制作为传输协议的核心机制,近年来在机器学习等技术的推动下不断有新的算法被提出,针对应用需求进行拥塞控制自定义是传输协议发展的趋势。然而这些算法大多都止步于理论仿真,在传输协议中实现甚至部署一直是研究人员的痛点。因此本文研究分析了传输协议发展以来的实现方案,提出了一个面向拥塞控制的用户态自定义传输协议框架CCUTP,并面向分布式机器学习应用的传输需求进行定制化的拥塞控制实现。本文的核心工作如下:（1）通过对比现有传输协议实现方案的优劣,结合面向应用的拥塞控制研究需求,选择基于UDP的用户态传输协议方案,设计并实现了CCUTP协议框架方便快速自定义各类拥塞控制算法。首先,根据拥塞感知方式的不同抽象出三种拥塞控制协议模型:丢包控制机制、时延控制机制、混合控制机制,基于三种模型设计不同的控制事件来适应各类拥塞控制算法。其次,CCUTP实现了统一的数据传输功能,将基础传输与拥塞控制解耦,使算法研究屏蔽底层通信,达到快速自定义拥塞控制的目的。最后介绍了CCUTP自定义拥塞控制的开发流程,基于CCUTP对应抽象模型,实现了三种拥塞控制算法TCP-Reno、Verus和DMLCC,验证了框架的可行性。（2）分布式机器学习是一种典型分布式应用,本文基于上述框架进一步研究了面向分布式机器学习应用的自定义拥塞控制。针对分布式机器学习应用场景下的长尾流和有限丢包容忍的传输特点,设计实现了基于在线学习的拥塞控制算法DMLCC。拥塞感知方面,DMLCC将时延梯度、丢包率、吞吐作为拥塞信息,通过效用函数将拥塞信息转化为效用值,更细粒度地感知网络状态;速率控制方面,DMLCC根据效用值的变化直接控制数据包的发送间隔,不受窗口大小的限制,能够尽可能提高吞吐来降低流完成时间。最后和分布式机器学习常用的TCP拥塞控制算法进行对比测试,结果表明DMLCC在低丢包率下相比TCP能提高至少两倍带宽利用率,能够更快的完成大数据量的传输。
栾干[4]（2020）在《自相似流量队列分析及其仿真工具设计》文中认为近些年来,随着网络应用数量的增加,大量音频视频信息在网络中传输,流量的自相似特性越来越显着。前人研究表明,产生自相似流量的原因包括:数据包的大小呈现重尾分布、流量受拥塞控制算法调控、网络中ON/OFF数据源的增加、网络硬件的处理能力有限和网络用户的各种操作习惯等。自相似流量的剧增造成了网络拥塞和数据丢失等现象频发,网络服务的平稳性下降。针对自相似流量特性配置网络硬件和设计网络服务协议以保证网络服务质量的需求与日俱增。由于自相似流量不适合采用传统的队列分析方法和仿真工具分析和模拟,自相似流量队列分析及其仿真工具设计成为了亟待解决的研究课题。为了研究和分析网络自相似流量,量化自相似流量数据传输的表现以及为设计网络和网络协议算法提供理论依据,本文进行了自相似流量下网络节点缓冲器队列分析,自相似流量数据流完成时间分布分析和自相似流量基于对数正态分布的快速仿真工具与近似函数设计。本文的研究内容与创新点总结如下:（1）自相似流量下数据中心网络节点缓冲器队列分析为了从单个节点层面建模、研究和理解自相似流量的传输表现,本文对自相似流量下数据中心网络节点缓冲器中的数据队列进行了建模和分析。本文将数据中心网络的自相似流量建模为鞅过程,对缓冲器中的自相似流量队列进行了停时分析,并对缓冲器在队列停时发生条件下的清空概率和溢出概率分别进行了计算。本文的分析验证了鞅过程适合用于建模和分析自相似流量下数据中心网络节点缓冲器队列行为。本文提出的分析方法简单,可扩展性强,为自相似流量下数据中心网络节点缓冲器大小设计提供了理论依据。（2）自相似流量数据流完成时间分布分析为了从端到端系统服务层面建模、研究和理解自相似流量的传输表现,本文对自相似流量数据流的完成时间分布进行了全新的建模和分析。本部分研究分为四个步骤。首先,本文对网络传输控制协议（Transmission Control Protocol,TCP）拥塞窗口大小的分布进行了建模和计算,将加权独立同分布负指数分布随机变量和的分布结果引入TCP拥塞窗口大小分布的分析过程,得到了精确的分布结果。其后,本文对TCP拥塞控制下单个数据包端到端传输时延的分布进行了分析,通过求解更新方程得到了准确的分布结果。随后,本文对任意长度TCP数据流完成时间的分布进行了研究和计算,依据拥塞窗口的演进过程将TCP数据流的传输过程建模为平行队列系统,得到了 TCP数据流完成时间的准确分布。最后,本文探讨了自相似流量数据流完成时间的分布并给出其概率密度函数与累积概率分布函数的计算。本文提出的数据流完成时间分布分析方法与学界现存数据流完成时间分布分析方法相比,分析过程简单,避免了复杂的迭代过程和状态机方法的使用。本文提出的数据流完成时间分布分析结果准确并适用于分析任意长度的数据流完成时间,而前人的数据流完成时间分布分析方法仅适用于分析短的数据流。（3）自相似流量基于对数正态分布的快速仿真工具设计为了提高自相似流量的仿真效率和近似计算精度,本文设计了自相似流量基于对数正态分布的超空间复制快速仿真技术并提出了对数正态分布随机变量和分布左尾的Marcum Q函数近似。超空间复制技术通过利用对数正态分布随机变量与正态分布随机变量之间的映射关系以及正态分布的对称性提升了对数正态分布随机变量和分布的仿真效率。超空间复制技术与重要性采样技术叠加使用可以进一步提升仿真效率。在对数正态分布随机变量和分布左尾的Marcum Q函数近似的研究中,本文通过数学计算和观察了解到,在正态分布坐标系中,不同和值对应的概率事件概率区域边界曲线形状相同,彼此之间是曲线顶点沿着直线y=x上下平移的关系。找到与该曲线顶点内切的最大圆盘,即找到了对数正态分布随机变量和分布左尾的最优Marcum Q函数近似。本文提出的超空间复制技术是目前仿真对数正态分布随机变量和分布的仿真技术中效率最高的。随着对数正态分布随机变量和值趋向于0（分布左尾末端）,本文提出的Marcum Q函数近似（下界）比前人提出的半无限矩形函数近似（下界）更紧。
黎国华[5]（2020）在《基于TCP友好的拥塞控制算法研究》文中指出讨论了多播控制算法的目标,分析和提出了基于TCP友好的拥塞控制方法。
刘晓雨[6]（2020）在《命名数据网络拥塞控制策略的研究》文中研究表明近年来,随着互联网的高速发展,人们对网络中数据的传输效率提出了更高的要求,当前互联网体系结构中存在的问题与弊端日渐突出,以往的TCP/IP体系架构遵循的端到端通信模式出现了很多弊端。随着科技技术的不断发展,越来越多新型网络架构涌现出来,在学术界掀起了一股研究热潮,命名数据网络（Named Data Networking,NDN）作为信息中心网络的代表,出现在人们的视野。目前关于命名数据网络的架构设计已日渐完备,而对于互联网体系架构普遍存在的关键问题的研究则尚待完善。网络拥塞作为网络体系架构设计的关键,同时也是网络能否高效通信的关键。网络拥塞本质上是网络资源供需关系的协调问题,在数据传输过程中,当网络中传输的内容超过网络能够容纳的上限时,供需关系失衡,就会发生网络拥塞。如何有效缓解网络拥塞,使数据正常传输是目前互联网发展中亟待解决的重点问题。目前NDN采取的拥塞控制方案主要分为两种:基于用户端的拥塞控制和逐跳的拥塞控制机制。前者采用的是TCP/IP体系架构中的超时机制,当超过一定时间后,请求还未得到满足,就判定出现了丢包的情况,并在用户端采用降低发送兴趣包速率的方式来缓解网络拥塞。后者是在路由转发的过程中进行逐跳的拥塞控制,通过路由节点调整本地的请求发送速率,进而恢复网络状态。这两种拥塞控制机制都存在一些弊端,首先,在拥塞检测方面,仍沿用IP网络中的超时重传机制,只有发生超时后,才会采取降低发送兴趣包速率的措施,让拥塞控制变得被动;其次在用户端采用IP网络中基于滑动窗口的速率调节方案,虽然能在一定程度上缓解网络拥塞,但在网络处于空闲状态时,并没有相关措施指出怎样利用这部分空闲带宽;最后逐跳的拥塞控制方案在中间节点调整兴趣包发送速率,并没有在路由转发层面考虑缓解网络拥塞的方案。本文分别在用户端和逐跳式两个方面进行拥塞控制,针对前面提到的拥塞控制机制的弊端,提出了综合型拥塞控制策略,该策略主要利用早发现早预防的思想构造网络拥塞检测机制,实时检测网络流量,并做出相应反馈。在获知网络状态的基础上,分别对用户端采取调整网络请求发送速率的措施和中间路由节点采取基于路由接口排名的转发策略进行调节,从而实现网络性能的优化。本文的研究目的是在实际应用环境中,使命名数据网络能够发挥其数据传输方面的优势,避免由于网络拥塞的发生而造成性能方面的下降,从而为命名数据网络的实际应用贡献一份力量。本文在ndn SIM上进行了拥塞控制策略的仿真模拟实验,将本文提出的综合型拥塞控制策略和NDN目前采用的拥塞调节策略进行了对比,发现综合型拥塞控制策略在链路带宽利用率、路由节点内容命中率、用户总命中率方面占有一定优势,从而达到提高网络内容命中率,缓解网络拥塞的目的。
郭慧[7]（2020）在《基于H.265流媒体网络实时传输机制的研究》文中认为随着互联网技术的不断发展,流媒体在很大程度上提升了人们对于网络应用的体验。传统的因特网传输表现形式单一,而实时流式传输技术集音频、视频和文字等多种信息于一体,成为实时视频传输的主要解决策略。目前,绝大多数数据业务基于TCP协议进行传输,通过TCP协议自身的拥塞控制机制保证传输质量。但是在实际应用中由于TCP协议的重传机制,视频数据的传输多采用UDP协议,而UDP协议本身并不具有拥塞控制机制,在网络拥塞的状态下会同TCP流抢占带宽。因此,研究适合视频数据传输并对TCP流友好的拥塞控制机制是很有实际意义的。本课题以H.265编码的视频数据为研究对象,介绍并分析了RTP协议、RTCP协议以及RTSP协议,研究了网络拥塞的产生原因及拥塞控制策略的分类,进行了传输机制验证平台的总体设计,对编码模块、流媒体服务器模块以及客户端模块分别予以介绍。由于视频数据的传输对延迟抖动和稳定性均具有要求,拥塞控制机制选用基于模型的TFRC算法,并在TFRC算法的基础上提出了改进的TFRC算法。针对TFRC算法在拥塞避免阶段的不足,从两方面对吞吐量公式进行修正,考虑了相邻往返时间延迟的变化以及采用调整因子对丢失事件率进行调整。然后使用NS-2对改进的TFRC算法进行性能测试,分别从TCP友好性性能、吞吐量变化、延迟抖动变化以及丢包率变化四个方面验证。实验结果表明改进的TFRC算法较传统的TFRC算法而言在这几方面均有所改善,更加适合H.265编码的视频流传输。
成诚[8]（2020）在《基于在线学习的数据中心网络拥塞控制算法的设计与实现》文中认为随着移动互联网的不断发展,流量数据的激增,大型流量汇聚中心已经成为各种网络服务的源头。在这其中,数据中心网络作为网络的流量的汇聚点和交换中心,网络中常常位于端侧,为各种网络应用提供服务。近些年来,由于云计算与人工智能等相关技术的飞速发展,数据中心作为强力的并行计算和分布式存储资源,扮演者越来越重要的作用。数据中心网络的性能已经成为网络发展的瓶颈之一,这极大的制约了高质量的网络服务的发展。为了解决这个问题,学术界和工业界都提出了一系列的拥塞控制方法,取得了一定的成果,但仍旧面临许多挑战。首先,传统的拥塞控制算法难以保证数据中心网络所需的并发流的传输公平性保证,这会造成木桶效应,造成传输完成不同步,降低计算效率;其次,数据中心网络的零丢包和低时延需求难以保证,具体表现为传输时延不稳定,以及丢包现象会触发重传机制,从而降低网络的传输能力。最后,并发流会产生瓶颈链路和Incast场景,而目前的算法在Incast场景下都难以稳定的进行拥塞调控,这会大大降低网络的带宽利用率。本文首先提出一种基于主动探测的拥塞反馈机制,该机制可以提前探测网络的传输状况,提前规划好瓶颈链路的传输流量,从而来避免网络的拥塞。即该机制通过提前对网络的传输能力进行探测,安排合适的数据流量,从而提前避免网络拥塞的发送。该机制主要是通过探测报文来精确计算数据报文的发送量,从而尽可能的主动避免数据报文的拥塞,以便为网络提供极低的丢包率和传输时延。虽然这种做法会牺牲一部分带宽,但却后续的实验中证明,这种做法却最终能够提升拥塞控制算法的性能。接着,本文提出了一种基于在线学习理论的自适应学习拥塞控制算法——ALCC（Adaptive Learning Congestion Control for Datacenters）,该算法可以在提高数据中心带宽利用率、收敛速度和公平性的情况下,保证极低的数据丢失。与其他算法不同,由于引起了机器学习的相关概念,ALCC算法不必满足某些假设场景,可以自动从实际的数据中心网络中学习参数,从而大大提高数据中心网络面对复杂场景时的泛化能力。同时,ALCC只需要发送方进行简单更改,对传统的DCTCP和AIMD等算法很友好。最后,实验表明,该算法具有较高的带宽利用率、更稳定的收敛性、更好的公平性和极低的数据丢失率。
赵惠惠[9]（2020）在《两类系数依赖于时滞的AIMD/RED网络拥塞控制模型的Hopf分岔及混沌》文中指出随着互联网应用数量的日益增多和多样化,网络拥塞已成为制约网络发展和应用的障碍.所以互联网中的拥塞控制是一个极其重要且具有挑战性的问题.拥塞控制机制主要包括基于TCP的源算法和基于IP的网络核心上的主动队列管理机制的结合.AIMD拥塞控制与RED的结合被认为是互联网取得巨大成功的关键因素之一.由于往返时滞出现在AIMD/RED系统的系数中,导致复杂动力学的产生,且研究难度较大.在国家自然科学基金（编号:11372282和11972327）的资助下,本文主要研究了系数依赖于时滞的AIMD/RED系统及其改进系统的动力学行为.首先利用Kuang等人提出的系数依赖于时滞的时滞微分方程的稳定性切换的几何准则,通过分析线性化系统的特征方程研究了时滞对非平凡平衡点稳定性的影响.同时得到了Hopf分岔发生的临界值,当时滞超过临界值时,系统就会失稳.因此只有时滞在合适的区间内,系统才会表现出良好的性能.运用多尺度方法得到Hopf分岔的规范形.此外,得到了分岔周期解的方向和稳定性.从理论结果的分析可以看到,网络拥塞系统发生超临界Hopf分岔.这揭示了该网络拥塞系统周期振荡的可能性,对于保持系统的稳定性不利,应当避免.在原系统中丢包概率函数p（t）=kq（t）是一个线性函数,有些不合理.在这里我们对模型稍作改进,让概率函数具有饱和效应,即p（t）=tanh（kq（t））.同时,我们在改进系统中发现了复杂的动力学行为-混沌,通向混沌的道路是倍周期分岔.这揭示了该网络拥塞控制系统中存在混沌振荡的可能性,必须要避免.我们的分析可以作为选择系统参数的指导,以保持网络的稳定性和完整性,从而提高系统的性能.本文的创新与特色之处为:首先,将AIMD/RED中丢包函数进行了合理的改进.然后,利用稳定性切换的几何准则与多尺度方法,研究了更现实的系数依赖于时滞的AIMD/RED拥塞控制系统及其改进系统的Hopf分岔与动力学.发现了两者都发生了超临界Hopf分岔,且后者通过倍周期分岔通向混沌,揭示了时滞对两个系统动力学的至关重要的影响.
林佳烁[10]（2020）在《软件定义网络的拥塞控制算法研究》文中研究说明随着计算机技术的急速发展,各类应用对网络传输质量提出了更高的要求,传统网络“尽力而为”的传输模式已经无法高质量地满足各类应用,特别是实时应用的传输要求。具体地,网络中业务流种类繁杂、传输流量特征各不相同、对网络传输的需求不同,传统的端到端拥塞控制算法对网络感知能力有限,容易造成网络拥塞而增大了网络流的时延,同时其也容易因为错误的判断而降低发送速率导致网络利用率低。软件定义网络（Software Defined Network,SDN）的出现为拥塞控制技术发展提供了新的发展思路,其具有集中式控制、转发控制分离、可编程性强等特点,利用混合式的基于SDN的流调度算法可以帮助解决网络中流量调度以及拥塞控制的问题。如何利用SDN来动态地对网络流进行调度,根据不同的网络流对终端的传输层协议进行反馈及修改,是网络领域需解决的重要问题。本文主要研究基于软件定义网络的拥塞控制问题,开展的主要工作如下:首先,将软件定义网络与拥塞控制平面（Congestion Control Plane,CCP）相结合,提出了基于软件定义网络的拥塞控制平面（Software-Defined Congestion Control Plane,SDCCP）。针对拥塞控制算法对网络感知能力差的特点,其利用软件定义网络对网络的全局知识,以及拥塞控制平面可以控制终端主机传输层协议栈的特点,使得终端主机可以更好地感知网络中的拥塞状态,从而根据不同的网络状态采取不同的传输层控制策略来达到更优的网络性能。其次,基于SDCCP提出了一种基于控制器反馈消息的拥塞避免算法（Feedbackbased Congestion Avoidance,FCA）。在该算法中,终端主机利用控制器发送的反馈消息来判断当前的网络状态,从而提高了其对网络的感知能力,然后调整其网络的传输层参数如拥塞窗口等等。该算法可以有效地减小网络中的队列深度,在降低网络流的传输时延的同时保障了高网络链路利用率。最后,提出了一种优先级关注的基于反馈的拥塞避免算法（pFCA）。该算法基于网络流的流量特性分配优先级,对不同优先级的网络业务流采取不同的传输及调度策略。该算法通过基于优先级的抢占式调度机制,可以有效地保障高优先级流的可靠传输。然而,目前算法仍存在额外开销过大、优先级分配不够灵活、以及网络链路利用率在某些负载下不高等问题,下一步的研究包括降低额外开销、动态分配优先级、以及优化网络流调度算法等。
二、AIMD拥塞控制算法分析（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、AIMD拥塞控制算法分析（论文提纲范文）
（1）支持远程驾驶的视频控制决策算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 车联网的国内外研究现状 |
| 1.3 远程驾驶技术及其关键技术研究现状 |
| 1.3.1 远程驾驶技术研究现状 |
| 1.3.2 网络切换技术的研究现状 |
| 1.3.3 视频码率自适应算法研究现状 |
| 1.4 主要研究内容及章节安排 |
| 1.4.1 主要研究内容 |
| 1.4.2 章节安排 |
| 第二章 远程驾驶中的视频控制决策相关技术 |
| 2.1 无线网络接入技术 |
| 2.1.1 WI-FI技术 |
| 2.1.2 LTE技术 |
| 2.2 垂直切换技术 |
| 2.2.1 垂直切换分类 |
| 2.2.2 垂直切换过程 |
| 2.2.3 垂直切换算法分析 |
| 2.2.4 模糊层次分析法和TOPSIS算法 |
| 2.3 视频实时传输的关键技术 |
| 2.3.1 压缩编解码技术 |
| 2.3.2 视频传输协议 |
| 2.3.3 网络拥塞 |
| 2.3.4 基于网络的拥塞调控策略 |
| 2.3.5 基于终端的速率调控策略 |
| 2.4 本章小结 |
| 第三章 基于车联网的多属性垂直切换算法研究 |
| 3.1 应用场景分析和传统算法分析 |
| 3.1.1 应用场景分析 |
| 3.1.2 传统算法分析 |
| 3.2 基于车联网的多属性垂直切换算法 |
| 3.2.1 预筛选 |
| 3.2.2 网络判决 |
| 3.3 实验仿真结果与算法性能分析 |
| 3.3.1 仿真模型搭建 |
| 3.3.2 算法性能指标 |
| 3.3.3 仿真实验结果与分析 |
| 3.4 本章小结 |
| 第四章 自适应视频码率控制算法研究 |
| 4.1 应用场景分析和传统算法分析 |
| 4.1.1 应用场景分析 |
| 4.1.2 传统算法分析 |
| 4.2 视频传输自适应码率算法的改进 |
| 4.2.1 基于探测的视频码率自适应调整方法 |
| 4.2.2 改进的视频传输自适应码率调整方法 |
| 4.3 实验环境和实验方案 |
| 4.3.1 实验环境 |
| 4.3.2 实验设备介绍 |
| 4.3.3 实验方案介绍 |
| 4.4 自适应传输性能测试及其对比分析 |
| 4.4.1 网络可用带宽突变状况下的性能测试 |
| 4.4.2 车辆移动状态下的性能测试 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 研究展望 |
| 参考文献 |
| 在学期间的研究成果 |
| 致谢 |
（2）移动流媒体多路传输关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 本文主要缩略语 |
| 第一章 绪论 |
| 1.1 论文研究背景 |
| 1.2 论文选题依据 |
| 1.3 论文主要研究内容 |
| 1.4 论文主要贡献与创新 |
| 1.5 论文组织结构 |
| 第二章 相关工作综述 |
| 2.1 移动网络下的流媒体业务 |
| 2.2 移动流媒体单路传输技术 |
| 2.3 移动流媒体多路传输技术 |
| 2.4 本章小结 |
| 第三章 部分可靠的多路虚拟队列调度机制 |
| 3.1 本章引言 |
| 3.2 延迟预测的多路虚拟队列分发 |
| 3.2.1 传输丢包分析模型 |
| 3.2.2 基于混沌理论的到达预测 |
| 3.2.3 多路虚拟队列分发 |
| 3.3 面向消息的部分可靠重传算法 |
| 3.3.1 MPTCP部分可靠协议扩展 |
| 3.3.2 面向消息的重传算法 |
| 3.4 仿真实验 |
| 3.4.1 FD-MVQS性能验证 |
| 3.4.2 MO-PR性能验证 |
| 3.5 本章小结 |
| 第四章 输入特征分析的多路智能拥塞控制机制 |
| 4.1 本章引言 |
| 4.2 系统设计 |
| 4.3 RL-PSD算法 |
| 4.3.1 输入流功率谱密度分析 |
| 4.3.2 多路传输状态分析 |
| 4.3.3 拥塞控制动作定义 |
| 4.3.4 基于传输效用函数的回报计算 |
| 4.3.5 双层协作的Q-表生成与维护 |
| 4.4 性能分析 |
| 4.4.1 实验场景设计 |
| 4.4.2 实验结果分析 |
| 4.5 本章小结 |
| 第五章 子流耦合感知的多路自适应传输方案 |
| 5.1 本章引言 |
| 5.2 系统设计 |
| 5.3 基于小波去噪的子流耦合识别 |
| 5.3.1 柔性阈值的小波去噪 |
| 5.3.2 子流耦合特征识别 |
| 5.4 基于DQN的多路传输控制 |
| 5.4.1 多路DQN传输模型 |
| 5.4.2 多路DQN拥塞控制算法 |
| 5.5 性能分析 |
| 5.5.1 实验场景设计 |
| 5.5.2 实验结果分析 |
| 5.6 本章小结 |
| 第六章 能效均衡的多路传输优化算法 |
| 6.1 本章引言 |
| 6.2 系统设计 |
| 6.3 QE-MCC算法 |
| 6.3.1 传输系统状态定义 |
| 6.3.2 能量感知的传输能效模型 |
| 6.3.3 基于Q-Learning的多路拥塞控制 |
| 6.4 性能分析 |
| 6.4.1 实验场景设计 |
| 6.4.2 实验结果分析 |
| 6.5 本章小结 |
| 第七章 结语 |
| 7.1 论文总结 |
| 7.2 未来的研究工作 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表的学术成果 |
| 攻读博士学位期间参与的科研项目 |
（3）面向拥塞控制的用户态自定义传输协议的研究和实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究工作的背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 本文的主要工作内容 |
| 1.4 论文的结构安排 |
| 第二章 相关理论及技术基础 |
| 2.1 传输协议概述 |
| 2.1.1 内核态传输协议 |
| 2.1.2 用户态传输协议 |
| 2.2 拥塞控制概述 |
| 2.2.1 拥塞控制原理 |
| 2.2.2 拥塞控制算法分类 |
| 2.3 本章小结 |
| 第三章 面向拥塞控制的用户态自定义传输协议框架研究 |
| 3.1 需求分析 |
| 3.1.1 现有用户态传输协议对比 |
| 3.1.2 研究目标 |
| 3.2 拥塞控制算法抽象建模 |
| 3.2.1 丢包控制机制 |
| 3.2.2 时延控制机制 |
| 3.2.3 混合控制机制 |
| 3.3 CCUTP设计与实现 |
| 3.3.1 CCUTP分层架构 |
| 3.3.2 CCUTP协议模型 |
| 3.3.3 CCUTP功能模块设计和实现 |
| 3.4 CCUTP自定义开发流程 |
| 3.5 本章小结 |
| 第四章 面向分布式机器学习应用的拥塞控制研究和实现 |
| 4.1 研究背景 |
| 4.1.1 分布式机器学习应用数据传输特点 |
| 4.1.2 面向分布式机器学习应用的拥塞控制目标 |
| 4.2 DMLCC算法设计 |
| 4.2.1 算法模型 |
| 4.2.2 效用函数 |
| 4.2.3 速率控制 |
| 4.3 算法实现及对比测试 |
| 4.3.1 实验环境及工具 |
| 4.3.2 DMLCC算法实现及参数分析 |
| 4.3.3 DMLCC性能对比分析 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 工作总结 |
| 5.2 下一步工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间的研究成果 |
（4）自相似流量队列分析及其仿真工具设计（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 自相似流量的特点,形成原因和危害 |
| 1.1.2 自相似流量队列分析面临的技术挑战 |
| 1.2 国内外相关研究现状 |
| 1.2.1 自相似流量网络节点缓冲器队列分析的研究现状 |
| 1.2.2 自相似流量数据流完成时间分布分析的研究现状 |
| 1.2.3 自相似流量基于对数正态分布的仿真技术的研究现状 |
| 1.3 论文的研究内容,组织结构及贡献 |
| 1.3.1 研究内容与组织结构 |
| 1.3.2 研究贡献 |
| 第二章 自相似流量下数据中心网络节点缓冲器队列分析 |
| 2.1 引言 |
| 2.2 自相似流量下数据中心网络节点缓冲器模型 |
| 2.3 自相似流量下数据中心网络数据传输模型 |
| 2.4 数据中心网络节点缓冲器的停时定义 |
| 2.5 数据中心网络节点缓冲器队列行为分析 |
| 2.6 数据中心网络节点缓冲器队列行为分析仿真结果 |
| 2.7 本章小结 |
| 第三章 自相似流量数据流完成时间分布分析 |
| 3.1 引言 |
| 3.2 TCP拥塞窗口大小分布分析 |
| 3.2.1 拥塞窗口大小分布建模与分析 |
| 3.2.2 拥塞窗口大小分布仿真结果 |
| 3.3 TCP数据包端到端传输时延分布分析 |
| 3.3.1 数据包传输时延分布建模与分析 |
| 3.3.2 数据包传输时延分布仿真结果 |
| 3.4 TCP数据流完成时间分布分析 |
| 3.4.1 数据流传输建模 |
| 3.4.2 数据流完成时间分布分析 |
| 3.4.3 数据流完成时间分布仿真结果 |
| 3.4.4 数据流完成时间分布分析可扩展性探讨 |
| 3.5 自相似流量数据流完成时间分布计算 |
| 3.6 本章小结 |
| 第四章 自相似流量基于对数正态分布的快速仿真工具设计 |
| 4.1 引言 |
| 4.2 自相似流量基于对数正态分布的超空间复制快速仿真技术 |
| 4.2.1 二维空间中对数正态分布随机变量和分布的仿真 |
| 4.2.2 N维空间中对数正态分布随机变量和分布左尾的仿真 |
| 4.2.3 N维空间中对数正态分布随机变量和分布右尾的仿真 |
| 4.2.4 超空间复制技术与重要性采样技术级联使用的仿真增益分析 |
| 4.3 对数正态分布随机变量和分布左尾的Marcum Q函数近似 |
| 4.3.1 对数正态分布随机变量和分布左尾与Marcum Q函数几何关系 |
| 4.3.2 对数正态分布随机变量和分布左尾的Marcum Q函数近似 |
| 4.3.3 对数正态分布随机变量和分布左尾与其近似的仿真结果 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 论文的主要工作及创新 |
| 5.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间取得的研究成果 |
（5）基于TCP友好的拥塞控制算法研究（论文提纲范文）
| 一、引言 |
| 二、多播拥塞控制算法 |
| 2.1基于窗口的TCP友好的拥塞控制 |
| 2.2基于速率的TCP友好的拥塞控制 |
| 三、结束语 |
（6）命名数据网络拥塞控制策略的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文研究内容 |
| 1.4 本文结构 |
| 第2章 NDN基础架构及相关研究工作 |
| 2.1 NDN网络概述 |
| 2.1.1 NDN沙漏架构 |
| 2.1.2 数据包类型和数据结构 |
| 2.1.3 命名规则 |
| 2.1.4 路由与转发 |
| 2.1.5 缓存机制 |
| 2.2 NDN拥塞控制策略的相关研究 |
| 2.3 NDN转发策略的相关研究 |
| 2.4 本章小结 |
| 第3章 综合型拥塞控制算法的拥塞检测设计 |
| 3.1 综合型拥塞控制算法设计思路 |
| 3.2 拥塞检测设计 |
| 3.2.1 拥塞检测设计核心思想 |
| 3.2.2 网络状态的划分 |
| 3.2.3 网络检测的结果反馈 |
| 3.3 本章小结 |
| 第4章 综合型拥塞控制算法的速率调节设计 |
| 4.1 基于接收端的速率控制 |
| 4.2 基于路由接口排名的转发策略 |
| 4.2.1 基于路由接口排名的转发策略的核心思想 |
| 4.2.2 数据结构分析 |
| 4.2.3 基于路由接口排名的转发策略具体流程 |
| 4.3 本章小结 |
| 第5章 算法的实验与分析 |
| 5.1 ndnSIM模拟平台 |
| 5.2 模拟实验基本设计 |
| 5.3 算法的模拟实验 |
| 5.4 实验评估性能指标 |
| 5.5 实验结果 |
| 5.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间所发表的学术论文 |
| 致谢 |
（7）基于H.265流媒体网络实时传输机制的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 课题主要研究内容 |
| 第二章 流媒体相关技术概述 |
| 2.1 H.265编码概述 |
| 2.1.1 H.265编码框架 |
| 2.1.2 H.265的分层结构 |
| 2.2 RTP/RTCP协议 |
| 2.2.1 RTP包头格式 |
| 2.2.2 RTP载荷类型 |
| 2.2.3 RTCP数据包类型 |
| 2.3 RTSP协议 |
| 2.4 本章小结 |
| 第三章 网络拥塞控制协议TFRC的研究 |
| 3.1 网络拥塞控制策略 |
| 3.1.1 网络拥塞的产生因素 |
| 3.1.2 网络拥塞控制机制 |
| 3.2 TFRC协议基本原理 |
| 3.3 TFRC协议拥塞控制的两大阶段 |
| 3.3.1 慢启动阶段 |
| 3.3.2 拥塞避免阶段 |
| 3.4 吞吐量公式中两大关键参数的实现 |
| 3.4.1 回环时间 |
| 3.4.2 丢失事件率 |
| 3.5 本章小结 |
| 第四章 TFRC协议的优化与仿真 |
| 4.1 TFRC算法改进的实现 |
| 4.1.1 回环时间的改进 |
| 4.1.2 事件丢失率的改进 |
| 4.2 NS-2仿真与结果分析 |
| 4.2.1 NS-2仿真工具的介绍 |
| 4.2.2 TFRC算法仿真分析 |
| 4.3 本章小结 |
| 第五章 H.265流媒体传输系统的设计与实现 |
| 5.1 总体设计 |
| 5.2 H.265编码的实现 |
| 5.3 服务端的设计与实现 |
| 5.3.1 live555开源平台 |
| 5.3.2 基于live555的服务端实现 |
| 5.4 客户端的设计与实现 |
| 5.5 结果测试 |
| 5.5.1 实验环境 |
| 5.5.2 实验步骤 |
| 5.6 本章小结 |
| 结论与展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文及取得的科研成果 |
| 个人简历 |
（8）基于在线学习的数据中心网络拥塞控制算法的设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及研究意义 |
| 1.2 研究现状及存在的问题 |
| 1.3 主要研究内容 |
| 1.4 创新及特色 |
| 1.5 论文的组织结构 |
| 第二章 相关技术介绍 |
| 2.1 引言 |
| 2.2 数据中心网络架构介绍 |
| 2.3 拥塞控制算法介绍 |
| 2.3.1 传统拥塞控制算法 |
| 2.3.2 基于机器学习的拥塞控制算法 |
| 2.3.3 数据中心网络中的拥塞算法 |
| 2.4 在线学习技术与凸优化 |
| 2.5 本章小结 |
| 第三章 基于主动探测的拥塞信号反馈机制设计 |
| 3.1 设计动机 |
| 3.2 拥塞信号反馈的难点 |
| 3.2.1 随机丢包引起的误判问题 |
| 3.2.2 拥塞程度反馈困难问题 |
| 3.2.3 零丢包和低时延难保证 |
| 3.3 主动探测思想介绍 |
| 3.4 基于主动探测的拥塞信号反馈机制设计 |
| 3.4.1 主动探测框架介绍 |
| 3.4.2 探测包的设计问题 |
| 3.5 实验和结果分析 |
| 3.5.1 实验环境介绍 |
| 3.5.2 实验结果分析 |
| 3.6 本章小结 |
| 第四章 基于在线学习的自适应拥塞控制算法的设计 |
| 4.1 DCN拥塞控制算法存在的问题 |
| 4.1.2 公平性和收敛性的保证 |
| 4.1.3 带宽利用率难以保证 |
| 4.2 设计动机 |
| 4.3 基于在线学习的自适应拥塞控制算法的设计 |
| 4.3.1 在线学习框架设计 |
| 4.3.2 评估函数设计 |
| 4.3.3 优化器的设计 |
| 4.3.4 相关数学原理证明 |
| 4.4 实验和结果分析 |
| 4.4.1 实验环境介绍 |
| 4.4.2 参数讨论 |
| 4.4.3 公平性和收敛性分析 |
| 4.4.4 瓶颈链路带宽利用率分析 |
| 4.5 本章小结 |
| 第五章 ALCC拥塞控制算法展示系统 |
| 5.1 系统详细设计 |
| 5.1.2 ALCC拥塞控制算法系统框架设计 |
| 5.1.3 系统功能设计 |
| 5.2 系统实现与测试 |
| 5.2.1 系统功能实现及测试 |
| 5.3 本章小结 |
| 第六章 总结与期望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（9）两类系数依赖于时滞的AIMD/RED网络拥塞控制模型的Hopf分岔及混沌（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 网络拥塞现象 |
| 1.1.2 网络拥塞控制 |
| 1.1.3 国内外研究现状 |
| 1.2 本文的主要研究内容和结构安排 |
| 第二章 预备知识 |
| 2.1 时滞微分方程 |
| 2.2 系数依赖于时滞的时滞微分方程的稳定性 |
| 2.3 分岔理论 |
| 2.4 多时间尺度方法(MMS) |
| 第三章 第一类AIMD/RED网络拥塞模型的动力学分析 |
| 3.1 线性稳定性分析 |
| 3.2 基于MMS的 Hopf分岔分析 |
| 3.2.1 基于MMS的渐近解 |
| 3.2.2 规范形分析 |
| 第四章 第二类AIMD/RED网络拥塞模型的动力学分析 |
| 4.1 线性稳定性分析 |
| 4.2 基于MMS的 Hopf分岔分析 |
| 4.2.1 基于MMS的渐近解 |
| 4.2.2 规范形分析 |
| 第五章 数值模拟和混沌 |
| 5.1 第一类网络拥塞模型的数值模拟 |
| 5.2 第二类网络拥塞模型的数值模拟 |
| 5.2.1 Hopf分岔的数值模拟 |
| 5.2.2 复杂动力学:混沌 |
| 第六章 总结与展望 |
| 参考文献 |
| 致谢 |
（10）软件定义网络的拥塞控制算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 课题来源及项目背景 |
| 1.3 国内外研究现状 |
| 1.3.1 端到端的拥塞控制算法 |
| 1.3.2 主动队列管理机制(AQM) |
| 1.3.3 混合式机制调度算法 |
| 1.4 本文组织结构 |
| 第二章 相关技术研究 |
| 2.1 课题项目背景 |
| 2.2 软件定义网络(SDN) |
| 2.2.1 SDN架构 |
| 2.2.2 OpenFlow介绍 |
| 2.2.3 SDN主要特点 |
| 2.3 拥塞控制算法 |
| 2.4 拥塞控制平面(CCP) |
| 2.5 胖树拓扑 |
| 2.6 本章小结 |
| 第三章 SDN下基于反馈的拥塞控制平面 |
| 3.1 问题描述 |
| 3.2 基于软件定义网络的拥塞控制平面(SDCCP) |
| 3.2.1 SDCCP架构 |
| 3.2.2 额外开销 |
| 3.3 基于控制器反馈消息的拥塞避免算法(FCA) |
| 3.3.1 状态检测器 |
| 3.3.2 公平性 |
| 3.3.3 拥塞窗口调整算法 |
| 3.4 使用场景 |
| 3.4.1 同构网络业务流 |
| 3.4.2 异构网络业务流 |
| 3.5 实验仿真及分析 |
| 3.5.1 实验设置 |
| 3.5.2 单流性能 |
| 3.5.3 公平性测试 |
| 3.5.4 额外开销分析 |
| 3.6 本章小结 |
| 第四章 SDN下优先级驱动的拥塞避免算法 |
| 4.1 问题描述 |
| 4.2 pFCA基本思想 |
| 4.3 pFCA算法设计 |
| 4.3.1 网络模型变换 |
| 4.3.2 控制器及终端主机逻辑 |
| 4.3.3 调度策略 |
| 4.4 实验仿真及分析 |
| 4.4.1 实验设置 |
| 4.4.2 单链路下pFCA性能 |
| 4.4.3 胖树拓扑下pFCA性能 |
| 4.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间发表的学术成果 |
| 攻读学位期间参加的科研项目 |
| 致谢 |
四、AIMD拥塞控制算法分析（论文参考文献）
- [1]支持远程驾驶的视频控制决策算法研究[D]. 张家森. 北方工业大学, 2021(01)
- [2]移动流媒体多路传输关键技术研究[D]. 秦久人. 北京邮电大学, 2021(01)
- [3]面向拥塞控制的用户态自定义传输协议的研究和实现[D]. 王晨. 电子科技大学, 2021(01)
- [4]自相似流量队列分析及其仿真工具设计[D]. 栾干. 北京邮电大学, 2020(01)
- [5]基于TCP友好的拥塞控制算法研究[J]. 黎国华. 中国新通信, 2020(11)
- [6]命名数据网络拥塞控制策略的研究[D]. 刘晓雨. 北京工业大学, 2020(06)
- [7]基于H.265流媒体网络实时传输机制的研究[D]. 郭慧. 内蒙古工业大学, 2020(02)
- [8]基于在线学习的数据中心网络拥塞控制算法的设计与实现[D]. 成诚. 北京邮电大学, 2020(05)
- [9]两类系数依赖于时滞的AIMD/RED网络拥塞控制模型的Hopf分岔及混沌[D]. 赵惠惠. 郑州大学, 2020(02)
- [10]软件定义网络的拥塞控制算法研究[D]. 林佳烁. 广东工业大学, 2020(06)